Sztuczna inteligencja obniża koszt badania oprogramowania. Dla administratorów oznacza to więcej pracy. Dla służb wywiadowczych – pytanie, jak długo tajny sposób dostępu pozostanie tajny.

Przewaga wywiadowcza może mieć postać kilku linijek kodu, których znaczenie rozumie niewielu ludzi. Program działa, użytkownicy logują się do swoich kont, administratorzy instalują rutynowe aktualizacje. Gdzieś w tym porządku istnieje jednak możliwość wejścia do systemu, o której jego właściciel nie wie. Wartość takiej wiedzy zależy od tego, jak długo pozostaje wyłączna.

Październikowy alarm wokół PHP pokazał, że sztuczna inteligencja może zmieniać warunki tej gry. Ujawnione podatności dotyczyły języka wykorzystywanego przez ogromny ekosystem stron i aplikacji. Poprawki opublikowane 21 października 2026 r. usuwały dwa krytyczne problemy pozwalające w odpowiednich warunkach wykonywać kod na serwerze bez wcześniejszego uwierzytelnienia. Źródłem były błędy zarządzania pamięcią i obsługi sytuacji awaryjnych.  Z punktu widzenia właściciela strony techniczny szczegół jest mniej istotny niż konsekwencja: bezpiecznie napisana aplikacja może działać na niebezpiecznym fundamencie. Podatność tkwi w warstwie, na której polegają tysiące innych produktów. Kiedy zawodzi wspólny komponent, problem przekracza granice pojedynczej firmy.

W historii PHP szczególnie pouczająca jest chronologia. Według fundacji utrzymującej projekt pierwsze oznaki jednego z problemów rozpoznano w 2024 r. Naprawę hamowały trudne kompromisy techniczne, ograniczone zasoby i proces decyzyjny. Nowe zgłoszenia z 2026 r. pokazały pełniejsze możliwości wykorzystania błędu. Fundacja przyznała, że opóźnienie było porażką organizacyjną.  To ważna lekcja dla dyskusji o AI i zero-dayach. Wykrycie podejrzanego zachowania, potwierdzenie podatności i przygotowanie działającej metody ataku to różne osiągnięcia. Wspomagane przez AI badania mogą zmieniać relacje między nimi. Błąd uznawany za trudny do praktycznego wykorzystania zyskuje inne znaczenie, kiedy koszt kolejnych eksperymentów spada.

Wiz, jeden z uczestników badań nad PHP2Shell, opisał rolę modeli w budowaniu i dostosowywaniu złożonych ataków do odmiennych aplikacji oraz konfiguracji. Ich znaczenie polegało również na przyspieszeniu testowania, analizy niepowodzeń i kolejnych poprawek. To deklaracja zespołu badawczego, zainteresowanego pokazaniem własnych możliwości, ale opisuje konkretny mechanizm zmiany: część pracy wymagającej dotąd wielu godzin specjalistycznego wysiłku daje się wykonywać szybciej i wielokrotnie powtarzać.  Sygnały pojawiły się wcześniej. Google opisał w 2024 r. znalezienie rzeczywistej podatności SQLite przez agenta Big Sleep. W finale DARPA AI Cyber Challenge w 2025 r. systemy uczestników wykryły 18 rzeczywistych podatności, oprócz błędów przygotowanych na potrzeby konkursu, oraz zaproponowały 11 poprawek do rzeczywistych problemów.

Nie ma z tego prostego przelicznika na przyszłość. Nie wiemy, czy liczba użytecznych odkryć będzie podwajała się co kilka miesięcy ani kiedy kolejne klasy błędów staną się łatwiejsze do znalezienia. Można jednak postawić skromniejszą, a strategicznie poważną tezę: rośnie możliwość systematycznego sprawdzania hipotez, których wcześniej nikt nie miał czasu lub pieniędzy dokładnie zbadać. W internetowych interpretacjach kryzysu, na pograniczy teorii spisku, pojawiła się NSA. Według teorii agencja miała doprowadzić do ujawnienia podatności, ponieważ zorientowała się, że AI może odnaleźć utrzymywane przez służby tajne wejścia. Należało więc usunąć je, zanim przejmą je inni. Krytyczne podatności mają znacznie bardziej przyziemnych rodziców: trudną architekturę, brak pieniędzy, chęć zysku i chodzenie na skróty, niska kultura organizacyjna, zaległości i ludzkie pomyłki. I tak było w tej sytuacji najprawdopodobniej. Długi czas obecności wadliwego kodu nie dowodzi sabotażu.

Jednak pytanie ukryte pod tą spekulacją jest zasadne. Co dzieje się z wartością tajnego dostępu, gdy zwiększa się prawdopodobieństwo, że ktoś niezależnie odkryje ten sam mechanizm? Wywiad od dawna mierzy się z takim rachunkiem. Ujawnienie podatności producentowi może ochronić własne instytucje, przedsiębiorstwa i obywateli. Zachowanie jej w tajemnicy może umożliwiać zbieranie informacji o przeciwniku. Te interesy bywają sprzeczne, ponieważ podobne systemy działają po obu stronach granicy.

Amerykański dokument Vulnerabilities Equities Process z 2017 r. formalizował tę sprzeczność. Wśród kryteriów uwzględniał ryzyko odkrycia podatności przez innych aktorów, wartość operacyjną jej wykorzystania oraz konsekwencje dla infrastruktury.  Pokazuje, że dylemat ujawnienia jest rzeczywistym elementem polityki bezpieczeństwa.

AI może podnieść koszt utrzymywania sekretu. Jeżeli agencja ocenia, że znany jej błąd wkrótce odnajdą inni, korzyść z dalszego milczenia maleje. Rośnie za to ryzyko, że podatność zostanie wykorzystana wobec infrastruktury, którą państwo samo powinno chronić. W takim scenariuszu doprowadzenie do naprawy może być racjonalnym działaniem obronnym. To wniosek warunkowy. Ten sam postęp może pozwalać służbom szybciej zdobywać nowe metody dostępu. Bilans zależy od jakości narzędzi, zasobów, możliwości testowania i dyscypliny organizacyjnej. Taniejąca analiza kodu nie musi automatycznie prowadzić do zaniku tajnych zdolności. Może przyspieszyć ich wymianę: częstsze odkrycia, krótsza użyteczność, szybsze zastępowanie.

Równie ostrożnie trzeba używać słowa „monopol”. Rynek podatności od dawna obejmuje wiele państw, niezależnych badaczy, dostawców narzędzi i grup przestępczych. Przewaga dotyczy konkretnego błędu, konkretnej wersji programu i określonego czasu. AI może zwiększać konkurencję o tę samą wiedzę. Nie wszystkie tajne wejścia są też tym samym. Zwykły błąd bezpieczeństwa może powstać przypadkiem. Backdoor oznacza intencjonalnie przygotowany mechanizm dostępu. W XZ Utils potwierdzono obecność takiego mechanizmu w wydaniach 5.6.0 i 5.6.1. Ten przypadek pokazuje, że celowe naruszanie łańcucha dostaw jest realne. Nie stanowi jednak dowodu, że każda długo istniejąca wada w innym projekcie została umieszczona przez służby.

Samo odnalezienie mechanizmu również nie zawsze pozwoli przejąć cudzą zdolność operacyjną. Mogą istnieć dodatkowe wymagania, ograniczenia środowiska lub sekrety potrzebne do jego uruchomienia. Odkrycie może przede wszystkim prowadzić do zamknięcia wejścia. Dla dotychczasowego użytkownika to wystarczająco zła wiadomość: inwestycja przestaje przynosić korzyści. W tym miejscu zaczyna się drugi wielki temat – szyfrowanie. Podatności PHP nie oznaczają matematycznego złamania szyfru. Pokazują jednak, dlaczego bezpieczeństwo informacji wykracza poza wybór dobrego algorytmu. Dane muszą zostać gdzieś przetworzone, klucze gdzieś przechowane, a komunikacja gdzieś odszyfrowana. Kompromitacja tego otoczenia może podważyć ochronę bez pokonywania samej matematyki.

Warto odróżniać bezpieczeństwo algorytmu, poprawność jego implementacji i bezpieczeństwo urządzenia, które z niej korzysta. Te warstwy mają różne słabości. Skuteczne szyfrowanie transmisji nie naprawia przejętego serwera, podobnie jak solidne drzwi nie rozwiązują problemu klucza pozostawionego w zamku. AI dociera również do właściwej kryptoanalizy. Anthropic opisał w lipcu 2026 r. ulepszone ataki na kandydata na schemat podpisu HAWK i wariant AES ze zmniejszoną liczbą rund. Firma wyraźnie zastrzegła, że wyniki nie łamią pełnego AES i nie wymagają zmian w obecnych systemach produkcyjnych. To istotne osiągnięcie badawcze o ograniczonym zakresie, a nie koniec bezpieczeństwa bankowości internetowej.

Największy praktyczny wstrząs może tymczasem nastąpić w utrzymaniu oprogramowania. Model potrafi pomóc odnaleźć problem, ale wdrożenie poprawki wymaga współpracy ludzi i instytucji. Trzeba ustalić, gdzie działa podatny komponent, sprawdzić zgodność, przygotować zmianę, uzyskać zgodę i rzeczywiście uruchomić zabezpieczoną wersję. Czasem wymienić system, którego producent od lat nie wspiera.

To tutaj przewaga napastnika może rosnąć nawet wtedy, gdy obie strony korzystają z podobnej AI. Atakujący wybiera dogodny cel. Obrońca odpowiada za cały powierzony mu zasób, także za urządzenia zapomniane, źle opisane i uzależnione od starego oprogramowania. Więcej wykrytych błędów może oznaczać także więcej alarmów, fałszywych zgłoszeń i trudnych decyzji o priorytetach. Możliwy jest zatem niepokojący okres przejściowy: infrastruktura staje się lepiej poznana, ale nie równie szybko naprawiona. Wzrost wiedzy o jej słabościach przez pewien czas zwiększa ekspozycję. Korzyści z automatyzacji badań zależą wówczas od zdolności przełożenia odkrycia na ochronę.

Dla Polski to problem bardzo praktyczny. Administracja, samorządy i przedsiębiorstwa muszą umieć odpowiedzieć, kto utrzymuje ich oprogramowanie, kto dostarcza poprawki i kto decyduje o awaryjnym wyłączeniu usługi. Bez tego deklaracja „mamy system” mówi niewiele o rzeczywistej odporności. Umowa na wdrożenie jest początkiem odpowiedzialności, która trwa przez kolejne lata. Wydatki na utrzymanie wspólnych komponentów zasługują więc na podobną uwagę jak zakupy nowych narzędzi. Atrakcyjna prezentacja produktu łatwo przesłania niewidoczną pracę ludzi odpowiedzialnych za jego fundamenty. Tymczasem AI może sprawić, że zaniedbania w tych fundamentach będą wykrywane szybciej i wykorzystywane sprawniej.

Tajne wejścia zapewne pozostaną częścią cyberwywiadu. Zmienić może się czas, przez który opłaca się na nich polegać. Państwa będą potrzebowały coraz sprawniejszego rachunku korzyści z dostępu i kosztów milczenia. Firmy – zdolności do ciągłego naprawiania swoich systemów. Najdroższy sekret może bowiem stracić wartość w chwili, gdy ktoś inny zada swojemu agentowi właściwe pytanie.